Wie sollen wir dieses
neue Coronavirus besiegen?
Indem wir unsere besten Werkzeuge nutzen:
Wissenschaft und Technik
In meinem Labor benutzen wir Methoden
der künstlichen Intelligenz
und der synthetischen Biologie,
um den Kampf gegen diese
Pandemie zu beschleunigen.
Unsere Arbeit sollte ursprünglich
die Antibiotikaresistenzkrise lösen.
Wir wollen mit unserem Projekt die
Macht des maschinellen Lernens nutzen,
um unser antibiotisches
Arsenal zu erweitern
und eine global katastrophale
postantibiotische Ära zu vermeiden.
Wichtig ist, dass dieselbe Technologie
genutzt werden kann,
um nach antiviralen Wirkstoffen zu suchen,
die uns im Kampf gegen
die Pandemie helfen können
Maschinelles Lernen stellt die
bisherige Art der Wirkstoffentdeckung
auf den Kopf.
Anstatt mühevoll jedes einzelne
Molekül auf Effektivität zu testen,
können wir nun einen Computer trainieren,
einen größeren Raum mit allen
möglicherweise synthetisierbaren
Molekülen zu untersuchen.
Statt nach der Nadel
im Heuhaufen zu suchen,
können wir Rechenleistung nutzen,
um viele Nadeln in vielen
Heuhaufen gleichzeitig zu finden
Wir hatten bereits erste Erfolge.
Kürzlich nutzten wir maschinelles Lernen,
um neue Antibiotika zu finden,
die uns helfen könnten,
Infektionen zu bekämpfen,
die neben COVID-19 auftreten können.
Vor zwei Monaten sage das TED
Audacious Projekt uns Födergelder zu,
um unsere Arbeit auszuweiten
mit dem Ziel, sieben neue
Arten von Antibiotika
gegen sieben der tödlichsten
Krankheitserreger,
in den nächsten sieben Jahren zu finden.
Zum Vergleich:
Die Zahl der in den letzten
30 Jahren entdeckten Antibiotika
ist Null.
Während die Suche nach neuen Antibiotika
für die mittelfristige Zukunft ist,
stellt das Coronavirus eine
unmittelbar tödliche Gefahr dar.
Ich bin froh mitteilen zu können,
dass wir dieselbe Technologie
auf der Suche nach Heilmitteln
gegen das Virus nutzen können.
Wie also werden wir das tun?
Nun, wir entwickeln eine
Bibliothek aus Trainingsdaten,
in der wir verschiedene Moleküle
auf COVID-19-infizierte Zellen anwenden,
um zu sehen, welche davon Wirkung zeigen.
Diese Daten werden benutzt,
um ein Modell zu trainieren
und auf eine In-silico-Bibliothek mit
Milliarden von Molekülen anzuwenden,
um nach neuen, potenziellen
antiviralen Wirkstoffen zu suchen.
Wir werden die besten Prognosen
synthetisieren und testen,
um die vielversprechendsten Kandidaten
für die klinische Nutzen zu fördern.
Klingt zu schön um wahr zu sein?
Nun, das sollte es nicht.
Das Antibiotics AI-Project wurde aufgrund
eines Wirksamkeitsnachweises gegründet,
das zur Entdeckung eines neuen
Breitbandantibiotikums,
Halocin, führte.
Halocin besitzt potente
antibakterielle Aktivität
gegen fast alle antibiotikaresistenten
bakteriellen Erreger,
inklusive unheilbarer,
hochresistenter Infektionen
Die Häufigkeit der Resistenzentwicklung
gegen Halocin, im Gegensatz
zu aktuellen Antibiotika,
ist sehr gering.
Wir testeten im Labor
die Fähigkeit von Bakterien,
gegen Halocin und Cipro
eine Resistenz zu entwickeln.
Bei Cipro entwickelte sich bereits
nach einem Tag eine Resistenz.
Was Halocin betrifft,
sahen wir nach einem Tag keine Resistenz.
Überraschenderweise,
auch nach 30 Tagen nicht.
In diesem ersten Projekt testeten wir
ca. 2500 Verbindungen gegen E.coli.
Der Trainingssatz enthielt
bekannte Antibiotika,
wie Cipro und Penicillin
und auch viele Medikamente,
die keine Antibiotika sind.
Diese Daten nutzten wir,
um ein Modell zu trainieren,
molekulare Strukturen mit
antibakterieller Aktivität zu erkennen.
Danach wendeten wir dieses Modell
auf eine Medikamentenbibliothek an,
die aus mehreren Tausend
Molekülen besteht.
Es sollte Moleküle identifizieren,
die antibakterielle
Fähigkeiten haben könnten,
aber nicht wie bekannte
Antibiotika aussehen.
Interessanterweise entsprach nur
ein Molekül diesen Kriterien
und dieses Molekül war Halocin.
Da Halocin nicht wie ein
bekanntes Antibiotikum aussieht,
wäre es für Menschen unmöglich gewesen,
Halocin auf diese Weise zu identifizieren.
Stellen Sie sich vor,
was wir mit dieser Technologie
gegen COVID-19 machen könnten.
Und das ist noch nicht alles.
Wir nutzen die Mittel
der synthetischen Biologie auch,
um an DNS und anderen
Zellbestandteilen herumzutüfteln,
um der Menschheit, u.a. im Kampf
gegen das Coronavirus, zu dienen.
Außerdem arbeiten wir
an einer Schutzmaske,
die gleichzeitig als Schnelltest dient.
Wie funktioniert das?
Wir zeigten kürzlich,
dass man die Zellmaschinerie
aus einer lebenden Zelle extrahieren
und zusammen mit RNS-Sensoren
auf Papier gefriertrocknen kann,
um billige Diagnosen
für Ebola und Zika herzustellen.
Die Sensoren werden aktiviert,
sobald sie durch eine Patientenprobe,
wie Blut oder Speichel, rehydriert werden.
Es hat sich herausgestellt, dass
diese Technologie nicht nur auf Papier,
sondern auch anderen Materialien,
wie Kleidung, anwendbar ist.
Aufgrund der COVID-19 Pandemie,
arbeiten wir an RNS-Sensoren,
die das Virus entdecken
und daran, diese mit der Zellmaschinerie
direkt in der Maske gefrierzutrocknen.
Dann kann Atmung,
mit dem Wasserdampf, der damit einhergeht,
den Test aktivieren.
Somit wird die Maske,
wenn eine Infektion vorliegt,
ein fluoreszierendes Signal produzieren,
das durch ein einfaches, billiges
und handliches Gerät erkannt wird.
So kann ein Patient binnen 1-2 Stunden
sicher, extern und präzise
diagnostiziert werden.
Wir nutzen synthetische Biologie auch,
um einen Impfstoff für
Covid-19 zu entwickeln.
Wir funktionieren den
Tuberkulose-Impfstoff um,
der schon fast ein Jahrhundert
lang eingesetzt wurde.
Es ist ein Lebendimpfstoff
und wir entwickeln ihn so,
dass er COVID-19 Antigene aufweist,
die die Produktion von
schützenden Antikörpern
durch das Immunsystem anregen sollen.
Der Tuberkulose-Impfstoff kann in
großer Menge hergestellt werden
und ist eines der sichersten Impfstoffe.
Mithilfe synthetischer Biologie
und künstlicher Intelligenz
können wir den Kampf
gegen das Coronavirus gewinnen.
Diese Arbeit ist in der Entwicklungsphase,
jedoch sehr vielversprechend.
Wissenschaft und Technik
geben uns einen wichtigen Vorteil
im Kampf des Menschen gegen
die Gene von Super-Viren.
Ein Kampf, den wir gewinnen können.
Vielen Dank.